START OF DAY 1
Visualisasi data adalah proses untuk menampilkan data dalam bentuk visual. Sebagai makhluk visual, visualisasi data akan memudahkan kita untuk memahami informasi dengan cepat.
Berdasarkan tujuannya, visualisasi data dapat dibedakan menjadi 2 jenis:
Saat ingin membuat visualisasi, baik exploratory maupun explanatory, kita dapat mengikuti workflow berikut:
Untuk memahami lebih dalam worflow visualisasi data, kita akan menganalisis dataset video yang trending di AS selama tahun 2023, mulai dari Januari hingga Desember. Berdasarkan dataset ini, kita akan membuat visualisasi untuk mengidentifikasi faktor-faktor yang memengaruhi suatu video menjadi trending.
Mari kita load data USvideos_2023.csv yang terdapat pada
folder data_input.
Berikut adalah penjelasan dari setiap kolom pada
vids.
trending_date: tanggal video tersebut trending (dalam
format DD-YYYY-MM).title: judul video.channel_title: nama channel Youtube.category_id: kategori video.publish_time: tanggal upload video (dalam format
YYYY-MM-DD HH:MM:SS).views: jumlah views.likes: jumlah likes.dislikes: jumlah dislikes.comment_count jumlah komentar.comments_disabled: apakah kolom komentar tidak
diaktifkan.ratings_disabled: apakah rating video tidak
diaktifkan.video_error_or_removed: apakah video dihapus.Data preparation adalah tahapan untuk mempersiapkan data agar siap digunakan untuk analisis. Contoh tahapan data preparation:
Saat akan menganalisis data, kita dapat meng-exclude kolom-kolom yang tidak memberikan insight, seperti:
Mari kita inspeksi summary dari dataframe vids dengan
fungsi summary().
#> trending_date title channel_title category_id
#> Length:72389 Length:72389 Length:72389 Min. : 1.0
#> Class :character Class :character Class :character 1st Qu.:17.0
#> Mode :character Mode :character Mode :character Median :20.0
#> Mean :18.5
#> 3rd Qu.:24.0
#> Max. :29.0
#> publish_time views likes dislikes
#> Length:72389 Min. : 2658 Min. : 0 Min. :0
#> Class :character 1st Qu.: 448319 1st Qu.: 15779 1st Qu.:0
#> Mode :character Median : 847129 Median : 33170 Median :0
#> Mean : 2977828 Mean : 127231 Mean :0
#> 3rd Qu.: 1839841 3rd Qu.: 76985 3rd Qu.:0
#> Max. :170333822 Max. :11119835 Max. :0
#> comment_count comments_disabled ratings_disabled video_error_or_removed
#> Min. : 0 Mode :logical Mode :logical Mode :logical
#> 1st Qu.: 1165 FALSE:71693 FALSE:71975 FALSE:72389
#> Median : 2316 TRUE :696 TRUE :414
#> Mean : 8366
#> 3rd Qu.: 4956
#> Max. :1240217
❓ Dari summary di atas, kolom apa yang bisa di-exclude? Kolom
dislikes dan video_error_or_removed.
Bagaimana cara kalau kita ingin mengambil kolom
channel_title dan category_id saja?
# menghapus kolom yang tidak diperlukan
# untuk meng-exclude kolom, kita harus tahu, kolom yang di-exclude adalah kolom ke berapa
vids <- vids[ , -c(8,12)]
head(vids)Selanjutnya, mari kita memeriksa apakah setiap kolom sudah memiliki tipe data yang sesuai. Jika belum, maka kita dapat melakukan penyesuaian tipe data.
#> 'data.frame': 72389 obs. of 10 variables:
#> $ trending_date : chr "23.01.01" "23.01.01" "23.01.01" "23.01.01" ...
#> $ title : chr "Peach Bowl: Ohio State Buckeyes vs. Georgia Bulldogs | Full Game Highlights" "If You Build It, I'll Pay For It!" "Fiesta Bowl: TCU Horned Frogs vs. Michigan Wolverines | College Football Playoff" "Dude Perfect vs. Luka Doncic (1-on-1)" ...
#> $ channel_title : chr "ESPN College Football" "MrBeast Gaming" "ESPN College Football" "Dude Perfect" ...
#> $ category_id : int 17 20 17 17 25 25 24 25 22 17 ...
#> $ publish_time : chr "2023-01-01T05:12:55Z" "2022-12-31T20:00:04Z" "2023-01-01T01:11:58Z" "2022-12-31T14:59:56Z" ...
#> $ views : int 618494 3621512 500700 2811640 358177 2088464 1915097 663532 1454615 2706246 ...
#> $ likes : int 7884 238494 4915 148481 2963 18234 24181 5130 32079 69895 ...
#> $ comment_count : int 2413 12935 2355 4543 654 1508 2711 776 3410 4231 ...
#> $ comments_disabled: logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ ratings_disabled : logi FALSE FALSE FALSE FALSE FALSE FALSE ...
❓ Dari output di atas, kolom apa yang belum sesuai tipe datanya?
trending_date perlu diubah menjadi datetime.publish_time perlu diubah menjadi datetime.category_id perlu diubah menjadi factor
(category).Untuk mengubah tipe data waktu, kita bisa menggunakan dua pendekatan:
menggunakan fungsi as.Date() atau fungsi dari package
lubridate.
as.Date()🗒Sintaks:
as.Date(x = nama_dataframe$kolom_waktu, format).
📅Penentuan Format
Output fungsi as.Date() adalah penulisan tanggal dalam
format ISO: YYYY-MM-DD.
Contoh penggunaan fungsi as.Date().
#> [1] "2024-04-30"
#> [1] "2024-04-30"
Mari kita lihat implementasi fungsi as.Date() pada data
vids kita.
#> [1] "23.31.12" "23.31.12" "23.31.12" "23.31.12" "23.31.12" "23.31.12"
❓ Apakah format yang cocok untuk kolom
trending_date?
# implementasi as.Date() pada kolom trending_date
# kode Pak Azis
as.Date(tail(vids$trending_date,6), format = "%y.%d.%m")#> [1] "2023-12-31" "2023-12-31" "2023-12-31" "2023-12-31" "2023-12-31"
#> [6] "2023-12-31"
Perhatikan implementasi fungsi as.Date() pada kolom
publish_time yang terdapat pada dataframe
vids.
#> [1] "2023-12-18T16:00:12Z" "2023-12-19T21:20:35Z" "2023-12-18T10:00:02Z"
#> [4] "2023-12-18T22:32:33Z" "2023-12-21T14:59:56Z" "2023-12-19T14:00:08Z"
# implementasi as.Date() pada kolom publish_time
as.Date(tail(vids$publish_time), format = "%Y-%m-%dT%H:%M:%SZ")#> [1] "2023-12-18" "2023-12-19" "2023-12-18" "2023-12-18" "2023-12-21"
#> [6] "2023-12-19"
⚠️ Kekurangan as.Date: untuk kolom
waktu dengan informasi jam, hanya bisa mengambil informasi tanggal
saja.
Untuk mengatasi kekurangan ini, kita dapat menggunakan fungsi dari
package lubridate.
lubridatePenggunaan lubridate secara lengkap dapat dilihat di cheatsheet.
# install package lubridate (hanya dijalankan sekali)
# comment kembali setelah menjalankan kode di bawah
# install.packages("lubridate")Fungsi-fungsi pada lubridate cukup intuitif: nama fungsi
mengikuti urutan tanggal. Contoh:
#> [1] "2024-04-30"
#> [1] "2024-04-30"
🥽 Dive Deeper: gunakan fungsi pada library
lubridate untuk mengubah tipe data tanggal yang terdapat
pada variabel c dan d di bawah ini
# gunakan fungsi pada lubridate untuk mengubah tipe data c dan d
# Hint: lihat urutan waktu
# ubah c
# Pak Ilham
dmy(c)#> [1] "2022-04-19"
#> [1] "2022-04-19 19:00:00 UTC"
Mari kita lihat implementasinya pada data vids kita.
Kolom trending_date
#> [1] "23.31.12" "23.31.12" "23.31.12" "23.31.12" "23.31.12" "23.31.12"
#> [1] "2023-12-31" "2023-12-31" "2023-12-31" "2023-12-31" "2023-12-31"
#> [6] "2023-12-31"
# melakukan assignment untuk mengubah tipe data kolom trending_date
vids$trending_date <- ydm(vids$trending_date)
head(vids)Kolom publish_time
#> [1] "2023-12-18T16:00:12Z" "2023-12-19T21:20:35Z" "2023-12-18T10:00:02Z"
#> [4] "2023-12-18T22:32:33Z" "2023-12-21T14:59:56Z" "2023-12-19T14:00:08Z"
#> [1] "2023-12-18 16:00:12 UTC" "2023-12-19 21:20:35 UTC"
#> [3] "2023-12-18 10:00:02 UTC" "2023-12-18 22:32:33 UTC"
#> [5] "2023-12-21 14:59:56 UTC" "2023-12-19 14:00:08 UTC"
Cara penulisan waktu pada kolom publish_time merupakan
cara penulisan waktu untuk format UTC (Coordinated Universal Time). Saat
menggunakan fungsi ymd_hms(), output yang dikeluarkan
menambahkan tulisan UTC di akhir data waktu (secara default ditulis
sebagai format UTC). Jika ingin menyesuaikan penulisan waktu ke zona
waktu yang lain, gunakan parameter tz (timezome).
Karena kita akan menganalisis video YouTube yang sedang tren di AS,
akan lebih sesuai jika menggunakan zona waktu seperti New York. Gunakan
parameter timezone tz = "America/New_York" karena data yang
kita ambil menunjukkan video yang trending di US.
# mencoba penulisan format waktu dari UTC ke zona waktu Amerika (New York) dalam EST
ymd_hms(tail(vids$publish_time), tz = "America/New_York")#> [1] "2023-12-18 11:00:12 EST" "2023-12-19 16:20:35 EST"
#> [3] "2023-12-18 05:00:02 EST" "2023-12-18 17:32:33 EST"
#> [5] "2023-12-21 09:59:56 EST" "2023-12-19 09:00:08 EST"
Perbedaan waktu UTC dan New York adalah 5 jam. Di mana UTC lebih cepat.
# melakukan assignment untuk mengubah tipe data kolom
vids$publish_time <-ymd_hms(vids$publish_time, tz = "America/New_York")
head(vids)#> 'data.frame': 72389 obs. of 10 variables:
#> $ trending_date : Date, format: "2023-01-01" "2023-01-01" ...
#> $ title : chr "Peach Bowl: Ohio State Buckeyes vs. Georgia Bulldogs | Full Game Highlights" "If You Build It, I'll Pay For It!" "Fiesta Bowl: TCU Horned Frogs vs. Michigan Wolverines | College Football Playoff" "Dude Perfect vs. Luka Doncic (1-on-1)" ...
#> $ channel_title : chr "ESPN College Football" "MrBeast Gaming" "ESPN College Football" "Dude Perfect" ...
#> $ category_id : int 17 20 17 17 25 25 24 25 22 17 ...
#> $ publish_time : POSIXct, format: "2023-01-01 00:12:55" "2022-12-31 15:00:04" ...
#> $ views : int 618494 3621512 500700 2811640 358177 2088464 1915097 663532 1454615 2706246 ...
#> $ likes : int 7884 238494 4915 148481 2963 18234 24181 5130 32079 69895 ...
#> $ comment_count : int 2413 12935 2355 4543 654 1508 2711 776 3410 4231 ...
#> $ comments_disabled: logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ ratings_disabled : logi FALSE FALSE FALSE FALSE FALSE FALSE ...
Perbedaan Date dan POSIXct: POSIXct merupakan variasi tipe datetime yang memiliki informasi jam.
category_idJika kita perhatikan category_id masih berupa ID, di
mana kita belum mengetahui kategori dari setiap ID-nya.
#> [1] 17 20 25 24 22 23 10 27 1 28 26 19 2 15 29
Hal ini akan menyulitkan kita untuk mengambil insight dari setiap kategori video. Oleh karena itu, kita akan mengubah ID kategori menjadi nama kategori yang lebih mudah untuk dipahami.
Untuk mengubah suatu nilai dengan nilai tertentu dapat digunakan
fungsi switch(). Akan tetapi, switch() hanya
dapat mengubah satu nilai. Perhatikan contoh di bawah ini.
# contoh penggunaan switch() untuk 1 nilai
switch(3, # data
"1" = "Education",
"4" = "Travel",
"3" = "Music")#> [1] "Music"
# # will return error
# # cara uncomment: Ctrl + Shift + C
# switch(c("1","2"),
# "1" = "Education",
# "2" = "Travel",
# "3" = "Music")Hal ini diatasi dengan fungsi sapply().
🗒️ Sintaks:
sapply(data, fungsi).
Fungsi sapply() digunakan untuk mengaplikasikan fungsi
tertentu ke setiap baris dalam suatu kolom secara bersamaan. Contoh:
data <- c("1", "2", "2", "4")
sapply(X = data, # data/kolom yang ingin diubah
FUN = switch, # fungsi
"1" = "Education",
"2" = "Travel",
"4" = "Music")#> 1 2 2 4
#> "Education" "Travel" "Travel" "Music"
Mengubah category_id untuk tiap row dengan
switch() dengan bantuan sapply().
# mengubah kategori dalam bentuk angka menjadi nama kategori
vids$category_id <- sapply(as.character(vids$category_id), switch,
"1" = "Film and Animation",
"2" = "Autos and Vehicles",
"10" = "Music",
"15" = "Pets and Animals",
"17" = "Sports",
"19" = "Travel and Events",
"20" = "Gaming",
"22" = "People and Blogs",
"23" = "Comedy",
"24" = "Entertainment",
"25" = "News and Politics",
"26" = "Howto and Style",
"27" = "Education",
"28" = "Science and Technology",
"29" = "Nonprofit and Activism",
"43" = "Shows")
# mengubah tipe data category_id menjadi factor
vids$category_id <- as.factor(vids$category_id)
# 6 baris pertama dataframe vids
head(vids)#> 'data.frame': 72389 obs. of 10 variables:
#> $ trending_date : Date, format: "2023-01-01" "2023-01-01" ...
#> $ title : chr "Peach Bowl: Ohio State Buckeyes vs. Georgia Bulldogs | Full Game Highlights" "If You Build It, I'll Pay For It!" "Fiesta Bowl: TCU Horned Frogs vs. Michigan Wolverines | College Football Playoff" "Dude Perfect vs. Luka Doncic (1-on-1)" ...
#> $ channel_title : chr "ESPN College Football" "MrBeast Gaming" "ESPN College Football" "Dude Perfect" ...
#> $ category_id : Factor w/ 15 levels "Autos and Vehicles",..: 14 6 14 14 9 9 4 9 11 14 ...
#> $ publish_time : POSIXct, format: "2023-01-01 00:12:55" "2022-12-31 15:00:04" ...
#> $ views : int 618494 3621512 500700 2811640 358177 2088464 1915097 663532 1454615 2706246 ...
#> $ likes : int 7884 238494 4915 148481 2963 18234 24181 5130 32079 69895 ...
#> $ comment_count : int 2413 12935 2355 4543 654 1508 2711 776 3410 4231 ...
#> $ comments_disabled: logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ ratings_disabled : logi FALSE FALSE FALSE FALSE FALSE FALSE ...
Sekarang, setiap kolom pada vids sudah memiliki tipe
data yang benar. Kita bisa melanjutkan ke tahapan data preparation
berikutnya: feature engineering.
Summary Day 1
dataframe[, -c(indeks_kolom1, indeks_kolom2)]as.Date(). Kita perlu mendefinisikan format
penulisan tanggal. Kelemahan: tidak bekerja untuk waktu yang memiliki
detail jam.lubridate. Cukup mengetahui urutan waktu
dan gunakan nama fungsi yang mirip dengan urutan tersebut. Bisa
meng-handle data jam. Kita bisa mendefinisikan zona waktu untuk
penulisan data tanggal supaya sesuai dengan area yang kita mau.Date dan
POSIXct. Date untuk data waktu yang hanya ada
informasi tanggal. POSIXct untuk data waktu yang memiliki
informasi jam.sapply(): untuk mengaplikasikan fungsi tertentu
ke baris suatu kolom secara bersamaan.as.factor().END OF DAY 1
START OF DAY 2
Data yang menunjukkan waktu, seperti tanggal, merupakan data yang kaya. Kita dapat mengekstrak komponen waktu untuk mengambil insight yang lebih mendalam atau detail. Tahapan ini disebut juga dengan feature engineering.
#> 'data.frame': 72389 obs. of 10 variables:
#> $ trending_date : Date, format: "2023-01-01" "2023-01-01" ...
#> $ title : chr "Peach Bowl: Ohio State Buckeyes vs. Georgia Bulldogs | Full Game Highlights" "If You Build It, I'll Pay For It!" "Fiesta Bowl: TCU Horned Frogs vs. Michigan Wolverines | College Football Playoff" "Dude Perfect vs. Luka Doncic (1-on-1)" ...
#> $ channel_title : chr "ESPN College Football" "MrBeast Gaming" "ESPN College Football" "Dude Perfect" ...
#> $ category_id : Factor w/ 15 levels "Autos and Vehicles",..: 14 6 14 14 9 9 4 9 11 14 ...
#> $ publish_time : POSIXct, format: "2023-01-01 00:12:55" "2022-12-31 15:00:04" ...
#> $ views : int 618494 3621512 500700 2811640 358177 2088464 1915097 663532 1454615 2706246 ...
#> $ likes : int 7884 238494 4915 148481 2963 18234 24181 5130 32079 69895 ...
#> $ comment_count : int 2413 12935 2355 4543 654 1508 2711 776 3410 4231 ...
#> $ comments_disabled: logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ ratings_disabled : logi FALSE FALSE FALSE FALSE FALSE FALSE ...
⚙️ Feature engineering adalah membuat kolom/variabel baru berdasarkan data yang ada.
Untuk mengekstrak komponen waktu tertentu dari kolom waktu, kita
dapat menggunakan fungsi dari lubridate. Lebih lanjut, kita
dapat merujuk pada bagian GET AND SET COMPONENTS pada cheatsheet.
🗒Sintaks
month(data$kolom_datetime): untuk dapatkan komponen
bulan.hour(data$kolom_datetime): untuk dapatkan komponen
jam.minute(data$kolom_datetime): untuk dapatkan komponen
menit.second(data$kolom_datetime): untuk dapatkan komponen
detik.➡️ Mengekstrak jam pada kolom publish_time ke dalam
kolom baru yang diberi nama publish_hour.
#> [1] 0 15 20 9 0 15
#> [1] "2023-01-01 00:12:55 EST" "2022-12-31 15:00:04 EST"
#> [3] "2022-12-31 20:11:58 EST" "2022-12-31 09:59:56 EST"
#> [5] "2023-01-01 00:21:44 EST" "2022-12-31 15:51:09 EST"
➡️ Membuat kolom publish_when dengan membagi
publish_hour menjadi 3 kategori di bawah ini:
12am to 7am: jam 12 malam sampai sebelum jam 8
pagi.8am to 3pm: jam 8 pagi sampai sebelum jam 4 sore.4pm to 12am: jam 4 sore sampai sebelum 12 malam.Langkah yang dilakukan:
publish_when.Untuk menentukan kategori dari publish_hour, kita
menggunakan if else.
if(kondisi){ (statement) } else if (kondisi){ (statement) } else if (kondisi) (statement) } else{ (statement) }
# fungsi untuk menentukan kategori publish_hour: publish_category
publish_category <- function(x){
if(x < 8){
x <- "12am to 7am" # video dengan publish_hour jam 12 malam sampai sebelum jam 8 pagi
}else if(x >= 8 & x < 16){
x <- "8am to 3pm" # video dengan publish_hour jam 8 pagi sampai sebelum jam 4 sore
}else{
x <- "4pm to 12am" # video dengan publish_hour jam 4 sore sampai sebelum 12 malam
}
}#> [1] "8am to 3pm"
Selanjutnya, mari kita implementasikan fungsi di atas pada kolom
publish_hour dan menyimpan kategori yang dihasilkan pada
kolom publish_when.
#> [1] "12am to 7am" "8am to 3pm" "4pm to 12am" "8am to 3pm" "12am to 7am"
#> [6] "8am to 3pm"
# menentukan kategori jam pada kolom publish_hour dan menyimpan ke kolom publish_when
vids$publish_when <- sapply(vids$publish_hour, FUN=publish_category)
# mengubah tipe data kolom publish_when menjadi factor
vids$publish_when <- as.factor(vids$publish_when)
# recheck
head(vids)➡️ Try yourself: membuat kolom
publish_date yang isinya hanya tanggal
(YYYY-MM-DD) dari kolom publish_time.
# mengekstrak tanggal dari kolom publish_time dan menyimpannya ke kolom publish_date
# kode Pak Aditya
vids$publish_date <- date(vids$publish_time)
# recheck
head(vids)➡️ Try yourself: membuat kolom
publish_wday yang isinya adalah nama hari yang
tidak disingkat dari kolom publish_time. 🧩
Hint: gunakan fungsi dengan parameter
label dan abbr. Atur label = TRUE
dan abbr = FALSE.
# mengekstrak nama hari yang tidak disingkat dari kolom publish_time dan menyimpannya ke kolom publish_wday
# abbr = TRUE, kita mau menyingkat penamaan hari
vids$publish_wday <- wday(vids$publish_time, label = TRUE, abbr = FALSE)
# recheck
head(vids)Perhatikan pada data vids terdapat 72389 baris dan 12595
video unik.
#> [1] 72389
#> [1] 12595
Hal ini menunjukkan beberapa video trending lebih dari 1 kali.
Untuk menganalisis lebih lanjut dan mengurangi redundansi data,
kita hanya akan menggunakan data saat video tersebut pertama
kali trending. Kita akan mengombinasikan fungsi
unique() dan match():
unique(): menghasilkan nilai unik.match(): menampilkan indeks data yang yang pertama kali
match (nilainya sama).Contoh:
# dummy data
df <- data.frame(nama = c("Aya","Rany","Rany", "Dwi", "Dwi"),
umur = c(23,23,24,24,25))
df#> [1] "Aya" "Rany" "Dwi"
# mencari indeks saat nama unique pertama kali muncul
index <- match(unique(df$nama), df$nama)
index#> [1] 1 2 4
# filter data yang termasuk indeks (tidak akan memasukkan yang redundan)
# dataframe[baris, kolom]
df[index,]Mari aplikasikan pada data vids sehingga indeks yang
diambil oleh match() adalah indeks video ketika pertama
kali trending.
# mencari indeks yang menunjukkan kemunculan video pertama kali
index_vids <- match(unique(vids$title), vids$title)
# mengambil data video ketika pertama kali trending
vids_unik <- vids[index_vids,]Setelah proses di atas, harusnya banyak baris vids_unik
sama dengan banyak video yang unik pada vids.
#> [1] 12595
#> [1] 12595
#> 'data.frame': 12595 obs. of 14 variables:
#> $ trending_date : Date, format: "2023-01-01" "2023-01-01" ...
#> $ title : chr "Peach Bowl: Ohio State Buckeyes vs. Georgia Bulldogs | Full Game Highlights" "If You Build It, I'll Pay For It!" "Fiesta Bowl: TCU Horned Frogs vs. Michigan Wolverines | College Football Playoff" "Dude Perfect vs. Luka Doncic (1-on-1)" ...
#> $ channel_title : chr "ESPN College Football" "MrBeast Gaming" "ESPN College Football" "Dude Perfect" ...
#> $ category_id : Factor w/ 15 levels "Autos and Vehicles",..: 14 6 14 14 9 9 4 9 11 14 ...
#> $ publish_time : POSIXct, format: "2023-01-01 00:12:55" "2022-12-31 15:00:04" ...
#> $ views : int 618494 3621512 500700 2811640 358177 2088464 1915097 663532 1454615 2706246 ...
#> $ likes : int 7884 238494 4915 148481 2963 18234 24181 5130 32079 69895 ...
#> $ comment_count : int 2413 12935 2355 4543 654 1508 2711 776 3410 4231 ...
#> $ comments_disabled: logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ ratings_disabled : logi FALSE FALSE FALSE FALSE FALSE FALSE ...
#> $ publish_hour : int 0 15 20 9 0 15 19 8 15 23 ...
#> $ publish_when : Factor w/ 3 levels "12am to 7am",..: 1 3 2 3 1 3 2 3 3 2 ...
#> $ publish_date : Date, format: "2023-01-01" "2022-12-31" ...
#> $ publish_wday : Ord.factor w/ 7 levels "Sunday"<"Monday"<..: 1 7 7 7 1 7 7 7 6 6 ...
Berikut beberapa jenis plot yang dapat kita pilih berdasarkan tujuan representasi data:
Referensi memilih visualisasi: data-to-viz.
📈 Visualisasi exploratory merupakan jenis visualisasi yang kita gunakan untuk mendapatkan informasi dari data. Jenis visualisasi ini lebih digunakan untuk kebutuhan pemahaman data dan biasanya tidak ditujukan untuk kebutuhan presentasi. Visualisasi exploratory dapat dibuat dengan fungsi base dari R.
Histogram digunakan untuk melihat persebaran frekuensi data.
🗒Sintaks:
hist(data_numerik).
❓ Pada jam berapa video trending pada banyak di-publish?
Bar plot digunakan untuk melihat frekuensi data kategorik (kategori paling sering muncul).
🗒Sintaks:
plot(kolom_kategorik)
❓ Pada hari apa video trending paling banyak di-publish?
❓ Kolom mana yang bisa kita gunakan untuk menjawab business question
di atas? Kolom publish_wday.
Box plot digunakan untuk perbandingan distribusi nilai numerik pada beberapa kategori.
🗒Sintaks:
plot(x = kolom_kategorik, y = kolom_numerik)
Sebagai seorang konsultan media sosial, kita ditugaskan untuk membantu seorang klien yang ingin memulai karir sebagai seorang YouTuber. Klien ingin mengetahui pada jam berapa video harus di-publish agar dapat diminati.
❓ Apakah jam publish video akan memengaruhi besarnya rasio likes terhadap views (likes/views)?
Karena kita belum memiliki kolom yang menunjukkan rasio antara
banyaknya likes dan views, kita akan membuat kolom baru:
likes_views.
# likes_views: likes / views
vids_unik$likes_views <- vids_unik$likes/vids_unik$views
head(vids_unik)Semakin besar nilai kolom likes_views artinya banyak
orang yang me-like video tersebut.
Kolom yang dipakai: likes_views &
publish_hour (jawaban Bu Shafiya). ### Visualization
# distribusi likes/views untuk setiap publish_hour
plot(x = as.factor(vids_unik$publish_hour), y = vids_unik$likes_views)Insight pada Boxplot
💡 Insight:
publish_hour sangat berpengaruh terhadap nilai
likes_view? Apakah terdapat perbedaan yang signifikan
antara jam-nya? Dari segi median, perbedaannya antara
semua jam tidak begitu jauh, kecuali untuk jam 12 malam.Line plot berguna untuk memvisualisasikan tren.
🗒Sintaks:
plot(x = kolom_tanggal, y = kolom_numerik, type = 'l')
❓ Bagaimana perkembangan jumlah video trending pada data
vids_unik setiap harinya?
Pertama, kita akan menghitung berapa banyak video trending untuk
setiap tanggal pada kolom trending_date. 🧩
Hint:
table() untuk menghitung berapa banyak video
trending dalam 1 harinya.as.data.frame() untuk mengubah suatu objek
menjadi dataframe.Selanjutnya, kita perlu mengubah tipe data kolom Var1 ke
dalam bentuk datetime.
Scatter plot digunakan untuk melihat hubungan pada data-data numerik.
🗒Sintaks:
plot(x = kolom_numerik1, y = kolom_numerik2)
Terdapat audiens yang tertarik pada category “Howto and Style”, “Pets and Animals”, dan “Travel and Events”.
❓ Kita ingin melihat hubungan likes/views dan comments/views video yang berasal dari ketiga kategori tersebut agar dapat diketahui karakteristik tertentu dari masing-masing kategori.
Karena kita telah memiliki kolom likes_views, buatlah
kolom comments_views yang menunjukkan comments/views.
# comments_view: comment_count / views
vids_unik$comments_views <- vids_unik$comment_count/vids_unik$views
head(vids_unik)Ambil data pada vids_unik dengan kategori video “Howto
and Style”, “Pets and Animals”, dan “Travel and Events”. Simpan ke dalam
variabel vids_hpt.
#> [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [13] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [25] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [37] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [49] FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [61] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [73] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [85] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [97] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [157] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [193] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [217] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [229] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [253] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [277] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [289] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [397] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [409] FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [421] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [433] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [445] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [457] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [481] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [493] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [505] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [517] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [529] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [541] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [553] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [565] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [577] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [589] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [601] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [613] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [625] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [637] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [649] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [661] FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [673] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [685] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [697] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [709] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [721] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [733] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE TRUE
#> [745] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [757] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [769] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [781] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [793] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [805] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [817] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [829] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [841] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [853] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [865] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [877] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE
#> [889] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [901] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [913] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [925] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [937] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [949] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE
#> [961] FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [973] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [985] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [997] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE
#> [1009] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1021] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1033] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1045] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1057] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1069] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1081] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1093] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1105] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1117] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1129] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1141] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1153] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1165] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1177] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1189] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1201] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1213] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [1225] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1237] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1249] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1261] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1273] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1285] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1297] FALSE FALSE TRUE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [1309] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [1321] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [1333] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1345] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1357] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1369] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1381] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1393] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1405] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1417] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1429] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1441] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1453] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1465] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1477] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1489] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [1501] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [1513] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1525] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1537] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1549] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1561] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1573] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1585] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1597] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1609] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1621] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1633] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1645] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1657] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1669] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [1681] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1693] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [1705] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1717] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1729] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1741] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1753] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1765] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1777] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1789] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE
#> [1801] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1813] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1825] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1837] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1849] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1861] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1873] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1885] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1897] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1909] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1921] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1933] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1945] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1957] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1969] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [1981] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [1993] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2005] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2017] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2029] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2041] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2053] TRUE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE
#> [2065] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2077] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2089] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2101] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2113] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2125] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2137] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2149] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2161] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2173] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [2185] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2197] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2209] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2221] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2233] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2245] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2257] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2269] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2281] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2293] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [2305] FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2317] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2329] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2341] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2353] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2365] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [2377] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2389] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE
#> [2401] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2413] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2425] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2437] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2449] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2461] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2473] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2485] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2497] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [2509] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [2521] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2533] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2545] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2557] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2569] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2581] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2593] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2605] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2617] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2629] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [2641] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2653] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2665] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2677] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [2689] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2701] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2713] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2725] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [2737] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2749] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [2761] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [2773] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2785] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2797] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [2809] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2821] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2833] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [2845] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE
#> [2857] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2869] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2881] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2893] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2905] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE
#> [2917] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2929] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2941] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2953] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [2965] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2977] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [2989] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3001] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3013] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3025] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3037] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3049] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3061] TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3073] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3085] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [3097] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3109] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [3121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3157] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3301] FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE TRUE FALSE FALSE
#> [3313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3373] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3397] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3409] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3421] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3433] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3445] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3457] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3481] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3493] FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [3505] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3517] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [3529] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [3541] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [3553] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3565] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3577] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3589] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [3601] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3613] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3625] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3637] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3649] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [3661] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3673] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [3685] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3697] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3709] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3721] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3733] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3745] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [3757] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3769] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3781] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3793] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3805] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3817] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3829] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3841] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3853] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3865] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3877] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [3889] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3901] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3913] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3925] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3937] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3949] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [3961] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3973] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [3985] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [3997] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4009] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4021] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4033] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [4045] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4057] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4069] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4081] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4093] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4105] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4117] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4129] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [4141] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [4153] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4165] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4177] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4189] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4201] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4213] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4225] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4237] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4249] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4261] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [4273] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4285] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4297] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4309] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4321] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4333] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [4345] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4357] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [4369] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4381] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4393] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4405] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4417] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4429] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4441] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4453] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4465] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4477] FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE TRUE FALSE FALSE
#> [4489] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4501] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4513] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4525] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [4537] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4549] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4561] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4573] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4585] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4597] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4609] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4621] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4633] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4645] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4657] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4669] FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4681] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4693] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [4705] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4717] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4729] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4741] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4753] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4765] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4777] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4789] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4801] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4813] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4825] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4837] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4849] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4861] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4873] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [4885] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4897] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [4909] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [4921] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4933] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [4945] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4957] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4969] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4981] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [4993] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5005] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5017] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5029] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5041] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5053] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [5065] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5077] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5089] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5101] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5113] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5125] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [5137] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE
#> [5149] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5161] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5173] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5185] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [5197] TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5209] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5221] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [5233] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5245] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5257] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [5269] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5281] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5293] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [5305] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5317] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5329] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5341] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5353] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [5365] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5377] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5389] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5401] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [5413] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5425] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5437] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5449] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5461] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5473] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5485] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5497] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5509] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5521] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5533] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5545] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5557] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5569] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5581] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE
#> [5593] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5605] FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5617] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5629] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5641] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5653] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5665] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5677] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5689] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5701] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5713] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [5725] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5737] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5749] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5761] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5773] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5785] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5797] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5809] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5821] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5833] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5845] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [5857] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5869] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5881] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5893] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5905] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5917] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5929] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [5941] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5953] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5965] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5977] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [5989] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6001] TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6013] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6025] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6037] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6049] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6061] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [6073] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6085] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6097] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [6109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6121] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE TRUE
#> [6169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [6205] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [6217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [6229] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6241] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [6253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [6301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [6337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6409] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6421] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [6433] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [6445] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6457] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6481] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6493] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6505] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6517] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6529] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6541] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6553] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6565] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6577] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6589] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [6601] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6613] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6625] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6637] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6649] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6661] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6673] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6685] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6697] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6709] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6721] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6733] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6745] FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE
#> [6757] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6769] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6781] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6793] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6805] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [6817] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6829] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6841] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6853] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6865] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6877] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6889] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6901] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6913] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6925] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [6937] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6949] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6961] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [6973] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6985] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [6997] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7009] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7021] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7033] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7045] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7057] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [7069] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [7081] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7093] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7105] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7117] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7129] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7141] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7153] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7165] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7177] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7189] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [7201] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [7213] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7225] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7237] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7249] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7261] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE
#> [7273] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7285] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7297] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7309] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7321] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7333] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7345] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7357] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7369] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7381] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7393] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7405] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7417] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7429] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7441] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7453] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7465] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7477] FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE
#> [7489] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7501] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7513] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [7525] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7537] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7549] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7561] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [7573] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7585] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7597] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7609] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [7621] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7633] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7645] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7657] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7669] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7681] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7693] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7705] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7717] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7729] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7741] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7753] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7765] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7777] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [7789] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7801] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [7813] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [7825] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7837] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7849] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7861] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7873] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [7885] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7897] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7909] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7921] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7933] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7945] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7957] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7969] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7981] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [7993] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8005] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [8017] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8029] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8041] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8053] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE
#> [8065] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [8077] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8089] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [8101] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8113] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8125] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [8137] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8149] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8161] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8173] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [8185] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8197] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8209] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8221] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8233] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8245] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8257] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8269] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8281] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8293] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8305] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8317] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8329] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8341] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8353] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8365] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8377] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8389] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8401] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8413] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8425] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8437] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE FALSE
#> [8449] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8461] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8473] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [8485] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8497] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8509] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8521] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8533] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8545] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8557] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8569] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8581] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8593] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8605] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8617] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8629] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8641] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8653] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8665] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8677] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8689] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8701] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8713] TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE TRUE
#> [8725] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8737] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8749] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8761] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [8773] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8785] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8797] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8809] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8821] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8833] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8845] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [8857] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8869] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8881] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8893] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8905] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8917] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8929] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8941] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8953] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8965] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8977] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [8989] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9001] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9013] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9025] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9037] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9049] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9061] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9073] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9085] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9097] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9121] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9169] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9181] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [9205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [9217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9229] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9241] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9265] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [9277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9289] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9313] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9325] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9337] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9349] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9361] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9373] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9385] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9409] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [9421] FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9433] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [9445] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9457] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [9481] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9493] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9505] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9517] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [9529] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9541] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9553] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [9565] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9577] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [9589] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9601] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [9613] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [9625] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9637] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9649] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [9661] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9673] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9685] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [9697] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9709] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [9721] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9733] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9745] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [9757] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9769] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9781] FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE TRUE FALSE FALSE
#> [9793] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9805] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9817] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9829] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9841] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9853] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9865] TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [9877] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [9889] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9901] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [9913] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9925] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9937] FALSE FALSE TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [9949] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9961] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9973] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [9985] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [9997] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10009] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [10021] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10033] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10045] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [10057] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [10069] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10081] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10093] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10105] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10117] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10129] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10141] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10153] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10165] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10177] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10189] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [10201] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10213] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [10225] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10237] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10249] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10261] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10273] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10285] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10297] TRUE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [10309] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10321] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10333] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10345] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10357] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10369] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10381] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10393] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [10405] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10417] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10429] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10441] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10453] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10465] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [10477] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10489] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10501] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10513] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10525] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10537] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE
#> [10549] FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10561] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10573] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10585] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10597] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10609] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10621] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10633] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10645] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [10657] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10669] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10681] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [10693] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10705] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10717] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10729] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10741] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [10753] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10765] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10777] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [10789] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10801] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [10813] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10825] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE
#> [10837] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10849] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10861] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10873] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [10885] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10897] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [10909] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10921] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10933] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10945] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10957] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [10969] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [10981] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [10993] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11005] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11017] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11029] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11041] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [11053] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [11065] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [11077] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11089] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11101] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11113] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [11125] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11137] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [11149] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11161] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11173] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11185] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11197] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11209] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11221] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11233] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11245] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11257] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11269] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [11281] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11293] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11305] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11317] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11329] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11341] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11353] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11365] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11377] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [11389] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11401] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11413] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11425] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11437] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [11449] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [11461] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [11473] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11485] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11497] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11509] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [11521] FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [11533] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11545] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11557] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11569] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11581] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11593] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11605] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11617] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11629] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11641] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11653] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11665] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11677] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11689] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11701] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11713] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11725] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11737] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11749] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11761] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11773] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11785] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11797] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11809] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11821] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11833] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11845] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [11857] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11869] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11881] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11893] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11905] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [11917] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11929] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11941] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11953] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11965] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11977] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [11989] TRUE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12001] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [12013] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12025] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12037] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12049] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12061] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12073] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE TRUE FALSE FALSE FALSE
#> [12085] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12097] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12109] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12121] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12133] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12145] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12157] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE TRUE FALSE FALSE
#> [12169] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12181] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12193] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12205] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12217] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12229] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12241] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12253] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE
#> [12265] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [12277] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12289] FALSE FALSE FALSE TRUE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12301] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12313] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12325] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [12337] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12349] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12361] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12373] FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [12385] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12397] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
#> [12409] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12421] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [12433] FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12445] TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12457] FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE
#> [12469] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12481] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12493] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12505] FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE
#> [12517] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE TRUE
#> [12529] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12541] FALSE FALSE TRUE FALSE TRUE FALSE FALSE FALSE TRUE FALSE FALSE FALSE
#> [12553] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12565] FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12577] FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE FALSE
#> [12589] FALSE TRUE FALSE FALSE FALSE FALSE FALSE
# subset dan masukkan ke vids_hpt
# dataframe[baris, kolom]
vids_hpt <- vids_unik[vids_unik$category_id %in% c("Howto and Style",
"Pets and Animals",
"Travel and Events"), ]
head(vids_hpt)Saat kita hanya mengambil data dengan kategori tertentu dan menyimpannya ke dalam dataframe yang baru, level kategori pada dataframe yang baru masih mengikuti level kategori pada dataframe yang lama.
#> [1] Howto and Style Travel and Events Pets and Animals
#> 15 Levels: Autos and Vehicles Comedy Education ... Travel and Events
Levels category_id pada vids_hpt masih
mengikuti levels pada vids_unik.
Untuk menghilangkan level kategori yang tidak ada pada data, kita
dapat menggunakan fungsi droplevels().
# menghapus level yang tidak ada pada data
vids_hpt$category_id <- droplevels(vids_hpt$category_id )
# recheck level
unique(vids_hpt$category_id)#> [1] Howto and Style Travel and Events Pets and Animals
#> Levels: Howto and Style Pets and Animals Travel and Events
# scatter plot antara likes_views dengan comments_views
plot(x = vids_hpt$likes_views, y = vids_hpt$comments_views)
💡 Insight:
likes_views dan
comments_views.Summary Day 2
GET AND SET COMPONENTS.match() dan unique().hist(kolom_numerik).plot(kolom_kategorik).plot(x = kolom_kategorik, y = kolom_numerik).plot(x = kolom_waktu, y = kolom_numerik, type = "l").plot(x = kolom_numerik1, y = kolom_numerik2).END OF DAY 2
START OF DAY 3
Kita juga dapat melakukan kustomisasi pada base plot.
col pada fungsi plot().pch pada
fungsi plot().cex pada
fungsi plot().comments_views dan likes_views.# kustomisasi scatter plot
# DIJALANKAN BERSAMAAN
plot(x = vids_hpt$likes_views, # variabel numerik 1
y = vids_hpt$comments_views,# variabel numerik 2
col = vids_hpt$category_id, # warna
pch = 19, # tipe point,
cex = 1.2, # size point
xlab = "Likes/Views",
ylab = "Comments/Views"
)
# garis regresi
abline(lm(vids_hpt$comments_views ~ vids_hpt$likes_views)) # membuat garis
# judul dan subjudul plot
title(main = "Likes/Views vs. Comments/Views",
sub = "for Howto and Style, Pets and Animals, and Travel and Events")
# legend
legend("topright", # posisi leged
legend = levels(vids_hpt$category_id), # isi legend berdasarkan category_id
fill = 1:3) # warnanya ada 3, mengikuti category idggplot2📈✨ Visualisasi explanatory merupakan jenis
visualisasi yang kita gunakan untuk mempresentasikan
informasi dari data. Karena terdapat kebutuhan presentasi, maka
visualisasi perlu dibuat dalam tampilan yang semenarik mungkin. Untuk
membuat visualisasi yang menarik dan dapat dikustom ini, kita dapat
menggunakan fungsi pada library ggplot2.
ggplot2# install package ggplot2 (hanya dijalankan sekali)
# comment kembali setelah menjalankan kode di bawah
# install.packages("ggplot2")ggplot2 merupakan library untuk membuat visualisasi yang
memanfaatkan konsep grammar of graphics dan
layer by layer. Kedua prinsip ini memudahkan kita untuk
membuat visualisasi dengan cara yang lebih terstruktur dan lebih mudah
untuk dikustomisasi. Dimulai dari pendefinisian kanvas kosong untuk
membuat visualisasi, kita dapat menambahkan layer visual secara
bertahap.
🗒 Grammar Formula of ggplot2
ggplot(data = ..., mapping = aes(x = ..., y = ...)) + geom_... + ...
ggplot(): mendefinisikan kanvas untuk membuat
visualisasi.
data: dataframe yang akan dibuat visualisasinya.mapping = aes(x = ..., y = ...): mendefinisikan sumbu x
dan y.+: untuk menambahkan layer di atas layer yang sudah
ada.geom_...: menambahkan komponen visualisasi, misalnya:
geom_boxplot(): membuat box plot.geom_point(): membuat scatter plot.❓ Business case: sebagai data scientist di YouTube,
kita ingin menganalisis likeability (likes per views
pada kolom likes_views), engagement (comments per
views pada kolom comments_views), dan waktu
publish video (pada kolom publish when) untuk setiap
kategori video pada vids_hpt.
ggplot()Pada tahap pertama, kita perlu mendefinisikan kanvas untuk membuat
visualisasi. Pendefinisian kanvas ini menggunakan fungsi
ggplot(). Parameter pada fungsi ggplot():
data: dataframe yang ingin digunakan.mapping: diisi dengan komponen aesthetic menggunakan
fungsi aes(). Fungsi ini biasanya diisi dengan nama kolom
pada data dan akan berperan sebagai elemen visual (sumbu x, sumbu y,
warna (color/fill), size, dll.).Mari kita buat kanvas untuk membandingkan likes_views
untuk masing-masing kategori video pada vids_hpt.
# kanvas utama (main layer)
# data: vids_hpt
# sumbu x: category_id
# sumbu y: likes_views
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views))Layer 1 - Box Plot (geom_boxplot)
Misalkan kita ingin membandingkan distribusi likes per views untuk
setiap kategori video dengan box plot. Untuk
menambahkan layer pada di atas kanvas utama, kita menggunakan simbol
+.
# menambahkan box plot di atas kanvas utama
# kanvas utama + box plot
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot()Layer 2 - Scatter Plot
Untuk melihat distribusi data secara lebih detail, kita bisa menambahkan scatter plot pada visualisasi sebelumnya.
geom_point - untuk membuat scatter plot.
# menambahkan scatter plot di atas visualisasi sebelumnya
# kanvas utama + box plot + scatter plot
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot() +
geom_point()geom_jitter - untuk membuat scatter plot dengan titik
yang random bergeser ke kiri/kanan agar tidak tumpang tindih.
# menambahkan scatter plot di atas visualisasi sebelumnya
# kanvas utama + box plot + scatter plot (jitter)
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot() +
geom_jitter()aes()) pada Fungsi geom_*Selain pada fungsi ggplot(), kita dapat menggunakan
fungsi aes() pada masing-masing fungsi geom_*.
Misalnya, kita ingin menggunakan comments_views sebagai
size pada geom_jitter.
# mendefinisikan comments_views sebagai ukuran jitter dengan parameter size pada aes()
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot() +
geom_jitter(mapping = aes(size = comments_views))Untuk memberikan warna pada plot, kita bisa memanfaatkan parameter
color atau fill. Mari kita lihat perbedaan
kedua parameter ini pada geom_boxplot().
color# memberikan warna pada box plot dengan color
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(color = "green") +
geom_jitter(mapping = aes(size = comments_views))fill# memberikan warna pada box plot dengan fill
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views))🔑 Perbedaan fill dan
color
color: memberikan warna pada garis tepi (sisi).fill: memberi warna pada bagian dalam plot.Tambahan:
color juga akan mewarnai outlier.fill hanya mewarnai kotak boxplot.Jika ingin
mewarnai outlier, tambahkan parameter outlier.colour.Hal yang perlu diperhatikan bahwa fill dan
color dapat ditempatkan di dalam maupun di luar fungsi
aes(). Perbedaan penempatan ini akan berpengaruh kepada
tampilan plot. Mari kita lihat perbedaan apabila ditempatkan di luar dan
di dalam aes().
aes()# menambahkan color di luar aes() pada geom_jitter()
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views), color = "blue") # di luar fungsi aes()aes()# menambahkan color dalam luar aes() pada geom_jitter()
# memberikan warna jitter berdasarkan kolom publish_when
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views, color = publish_when)) # di dalam fungsi aes()
🔑 Perbedaan Penempatan Parameter di Dalam
aes()
vs. Luar aes() pada geom_()
aes(): memberikan warna yang seragam (tidak
berdasarkan data).aes(): memberikan warna yang berbeda
(berdasarkan data/kolom).Selanjutnya, mari kita lihat juga bagaimana jika aes()
ditempatkan pada fungsi ggplot() atau pada salah satu
geom_*.
ggplot()# meletakkan color sebagai parameter aes() pada fungsi ggplot()
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views, color = publish_when)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views)) geom_# meletakkan color sebagai parameter aes() pada fungsi geom_jitter()
ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views, color = publish_when))
🔑 Perbedaan Penempatan
aes() pada
ggplot() vs. pada geom_*()
ggplot(): nilai parameter akan berpengaruh pada
layer di atasnya.geom_*(): nilai parameter hanya akan berpengaruh
pada geom_*().labs()ggplot(data = vids_hpt, mapping = aes(x = category_id, y = likes_views)) +
geom_boxplot(fill = "green") +
geom_jitter(mapping = aes(size = comments_views, color = publish_when)) +
labs(
title = "Likeability vs Engagement vs Publish Time for Trending Video in YouTube 2023",
subtitle = "in US for 3 Category",
x = "Video Category",
y = "Likes/Views",
color = "Publish Hour Category", # nama parameter tergantung pada pendefinisian aes()
size = "Comments/Views" # nama parameter tergantung pada pendefinisian aes()
)
💡 Insight:
❓ YouTube ingin memberi penghargaan untuk channel-channel yang sering trending. Sebagai data analyst, kita ingin mengetahui 10 channel yang paling sering trending (punya banyak video trending).
1️⃣ Step 1: membuat dataframe
trending_channel yang berisi frekuensi kemunculan
channel.
🧩 Hint:
table() untuk membuat tabel frekuensi.as.data.frame() mengubah tabel menjadi dataframe.# membuat dataframe trending_channel
trending_channel <- as.data.frame(table(vids_unik$channel_title))
trending_channel2️⃣ Step 2: urutkan berdasarkan frekuensi dan ambil top 10
Fungsi order() akan mengambil indeks data mulai dari
frekuensi yang tertinggi (parameter decreasing = TRUE).
#> [1] 2162 2220 2172 498 1342 954 1585 1162 1329 2614 676 1315 243 1037
#> [15] 1064 2839 3315 957 1089 1532 2196 3455 161 758 1715 1925 2166 2256
#> [29] 831 892 2050 2610 60 577 2413 2435 1240 2790 3040 3045 3387 869
#> [43] 1067 1942 2501 3039 3282 3328 3452 1946 1949 2111 2232 2303 2620 2757
#> [57] 2782 3038 3191 3284 3480 721 2630 2954 3103 3492 236 1264 1309 1542
#> [71] 1555 1762 1775 2511 2847 3102 3515 115 239 955 1227 2122 2336 2459
#> [85] 2942 3028 82 120 266 277 737 1325 1560 2115 2366 2385 2402 2407
#> [99] 2658 2736 2789 3368 38 247 626 970 1176 1549 1575 2037 2379 2408
#> [113] 2665 3304 3348 3422 3516 53 162 313 469 499 654 895 958 1584
#> [127] 1725 2348 2619 2633 2787 3092 3196 3206 3454 131 336 382 442 578
#> [141] 825 1036 1219 1658 1698 1714 1893 1927 2093 2283 2313 2534 2611 2642
#> [155] 2860 2862 2873 2948 2961 3300 3337 3466 140 164 238 330 389 403
#> [169] 446 512 692 733 1105 1267 1291 1422 1487 1510 1840 1959 1985 2091
#> [183] 2349 2445 2816 2824 2918 3025 3069 3098 3159 3342 3507 13 134 438
#> [197] 611 700 917 1127 1433 1514 1966 2038 2165 2442 2780 2812 2908 3108
#> [211] 3134 3244 3505 100 109 156 202 217 220 265 621 647 717 911
#> [225] 987 1130 1194 1214 1363 1651 1740 1941 1998 2060 2448 2738 2783 2987
#> [239] 3073 3081 3226 3268 130 184 332 388 408 421 450 472 497 510
#> [253] 636 727 746 855 1046 1100 1140 1254 1353 1399 1431 1452 1495 1511
#> [267] 1520 1605 1615 1800 1844 1922 1924 1955 1975 2036 2096 2227 2260 2555
#> [281] 2604 2672 2686 2754 2785 2797 2801 2822 2880 3007 3030 3095 3111 3269
#> [295] 3278 3388 3391 3462 132 171 231 267 294 322 352 551 588 619
#> [309] 880 961 966 993 1009 1093 1287 1355 1481 1627 1760 1826 1889 1911
#> [323] 1920 1954 2001 2032 2042 2193 2234 2285 2418 2505 2596 2796 2858 2859
#> [337] 2922 3089 3113 3180 3362 3386 3430 25 59 166 191 200 281 296
#> [351] 297 391 467 468 475 484 511 548 628 651 740 824 844 900
#> [365] 943 965 1020 1061 1103 1116 1121 1209 1246 1247 1300 1310 1336 1417
#> [379] 1432 1480 1482 1650 1717 1757 1758 1773 1790 1807 1817 1835 1886 1923
#> [393] 1932 2010 2018 2030 2137 2152 2167 2210 2354 2373 2457 2491 2495 2525
#> [407] 2609 2612 2636 2649 2676 2700 2712 2850 2897 2914 2966 2971 2983 3000
#> [421] 3047 3053 3056 3101 3139 3460 3473 3534 87 94 160 208 270 272
#> [435] 325 350 386 419 477 532 645 666 696 701 724 773 779 847
#> [449] 910 916 931 949 1014 1079 1090 1139 1265 1274 1330 1366 1367 1371
#> [463] 1535 1610 1616 1641 1659 1909 1912 1928 1965 1972 2056 2065 2081 2085
#> [477] 2120 2221 2276 2334 2368 2462 2483 2574 2576 2578 2758 2770 2781 2788
#> [491] 2800 2804 2827 2831 2868 2875 2933 2945 2957 2967 2970 2981 3033 3088
#> [505] 3124 3146 3211 3235 3310 3372 3436 102 103 137 163 226 377 378
#> [519] 430 436 453 478 479 494 501 517 582 602 610 680 684 711
#> [533] 718 811 816 827 832 854 904 941 1011 1024 1029 1126 1174 1188
#> [547] 1196 1199 1210 1404 1439 1453 1513 1515 1546 1597 1734 1776 1779 1804
#> [561] 1976 1981 1995 2031 2071 2082 2086 2116 2138 2154 2308 2327 2388 2439
#> [575] 2477 2515 2519 2539 2551 2565 2569 2586 2641 2691 2723 2756 2784 2798
#> [589] 2874 2896 2965 3026 3055 3057 3104 3117 3152 3160 3179 3198 3205 3210
#> [603] 3229 3252 3266 3294 3306 3358 3399 3404 3417 3448 3491 3511 11 28
#> [617] 40 44 56 71 128 147 175 211 255 295 303 314 329 428
#> [631] 440 492 500 516 556 566 591 603 652 689 739 767 790 793
#> [645] 806 839 848 870 886 933 939 972 1035 1080 1142 1212 1217 1232
#> [659] 1273 1292 1304 1395 1416 1421 1428 1477 1486 1524 1531 1541 1559 1611
#> [673] 1613 1688 1694 1712 1808 1824 1862 1915 1973 2014 2021 2023 2045 2061
#> [687] 2092 2098 2107 2215 2255 2281 2318 2339 2399 2415 2430 2436 2452 2465
#> [701] 2484 2529 2621 2682 2704 2815 2821 2825 2848 2851 2852 2877 2895 2938
#> [715] 2949 2956 2994 3034 3066 3084 3106 3107 3136 3140 3184 3253 3254 3255
#> [729] 3277 3309 3341 3373 3403 3463 3477 3489 3498 2 3 6 12 52
#> [743] 83 92 117 157 169 180 182 215 258 282 287 317 340 347
#> [757] 358 380 387 416 439 460 464 473 485 514 515 541 549 550
#> [771] 562 567 581 587 596 598 604 607 635 637 641 659 662 668
#> [785] 685 694 698 707 710 749 760 771 791 796 805 807 849 873
#> [799] 877 878 882 898 902 906 923 927 946 995 1001 1027 1028 1032
#> [813] 1055 1087 1117 1136 1159 1205 1216 1231 1266 1305 1312 1322 1335 1347
#> [827] 1377 1419 1442 1455 1456 1461 1462 1471 1552 1562 1571 1592 1596 1640
#> [841] 1643 1656 1686 1699 1726 1730 1743 1751 1755 1816 1820 1823 1846 1852
#> [855] 1858 1875 1876 1877 1887 1897 1901 1905 1944 1987 2005 2015 2040 2059
#> [869] 2113 2132 2133 2143 2148 2163 2171 2176 2177 2201 2203 2205 2206 2226
#> [883] 2229 2249 2267 2269 2278 2322 2323 2363 2375 2380 2400 2404 2416 2434
#> [897] 2443 2464 2506 2518 2521 2526 2527 2557 2571 2572 2582 2589 2623 2645
#> [911] 2650 2666 2689 2709 2711 2731 2734 2747 2748 2753 2755 2766 2776 2794
#> [925] 2866 2878 2881 2902 2926 2943 2958 2982 2999 3014 3036 3048 3049 3054
#> [939] 3087 3100 3133 3141 3150 3174 3188 3190 3192 3207 3214 3224 3237 3263
#> [953] 3275 3280 3285 3288 3305 3311 3323 3339 3366 3381 3383 3385 3397 3409
#> [967] 3410 3468 3497 3501 3510 3528 3533 18 23 29 33 48 51 70
#> [981] 74 80 99 104 116 118 123 139 154 179 198 205 210 213
#> [995] 246 248 256 260 268 271 284 304 305 316 338 341 348 349
#> [1009] 351 355 367 369 372 384 390 392 393 400 401 413 422 433
#> [1023] 482 489 490 506 543 544 564 569 572 594 606 617 620 630
#> [1037] 634 679 682 688 706 716 723 728 729 730 734 750 768 769
#> [1051] 780 798 802 813 818 822 830 842 843 858 863 868 875 887
#> [1065] 890 901 922 951 952 956 963 973 981 988 997 1005 1007 1017
#> [1079] 1039 1041 1058 1068 1075 1077 1081 1082 1091 1101 1104 1106 1129 1145
#> [1093] 1152 1161 1164 1170 1178 1179 1180 1181 1187 1206 1211 1223 1226 1235
#> [1107] 1237 1242 1244 1255 1259 1270 1282 1284 1286 1313 1321 1326 1381 1389
#> [1121] 1401 1424 1438 1460 1467 1479 1483 1484 1519 1521 1523 1530 1537 1539
#> [1135] 1556 1573 1574 1595 1598 1599 1628 1633 1639 1644 1654 1680 1682 1696
#> [1149] 1702 1710 1732 1733 1737 1738 1742 1765 1768 1798 1803 1821 1822 1832
#> [1163] 1834 1841 1843 1860 1861 1885 1907 1910 1917 1929 1951 1971 1984 2007
#> [1177] 2011 2035 2043 2054 2058 2067 2069 2075 2109 2119 2126 2131 2139 2144
#> [1191] 2150 2151 2155 2158 2184 2195 2207 2231 2241 2245 2248 2250 2264 2271
#> [1205] 2289 2294 2296 2301 2304 2306 2310 2317 2325 2326 2345 2347 2365 2377
#> [1219] 2387 2409 2420 2450 2451 2463 2466 2482 2496 2504 2523 2540 2545 2552
#> [1233] 2556 2563 2580 2598 2600 2608 2613 2637 2656 2662 2667 2669 2684 2688
#> [1247] 2698 2719 2720 2745 2764 2772 2786 2795 2810 2829 2835 2840 2855 2863
#> [1261] 2869 2898 2911 2916 2923 2940 2946 2974 2975 2978 2979 2988 2993 2997
#> [1275] 3037 3043 3058 3061 3062 3080 3097 3114 3131 3143 3151 3155 3162 3164
#> [1289] 3175 3176 3178 3193 3203 3221 3225 3227 3231 3234 3238 3239 3247 3248
#> [1303] 3292 3297 3314 3319 3355 3361 3374 3406 3418 3424 3433 3437 3444 3451
#> [1317] 3458 3459 3465 3469 3470 3478 3482 3490 3508 3513 3527 3529 19 21
#> [1331] 31 34 35 39 45 46 47 49 54 66 68 77 79 91
#> [1345] 101 112 122 124 150 151 168 172 174 181 187 189 192 193
#> [1359] 194 201 203 219 223 225 233 242 249 253 257 259 264 278
#> [1373] 283 288 289 298 301 308 311 315 331 342 343 345 353 362
#> [1387] 363 364 375 381 383 385 394 396 399 404 407 410 411 414
#> [1401] 417 420 424 425 426 429 432 447 456 457 461 470 474 487
#> [1415] 488 493 509 522 526 553 559 563 576 590 600 612 615 623
#> [1429] 627 629 633 642 657 660 663 670 672 673 674 675 678 693
#> [1443] 715 725 731 732 738 742 744 745 747 748 752 755 761 764
#> [1457] 766 774 775 777 784 797 799 800 801 817 826 828 833 836
#> [1471] 841 850 853 861 865 866 867 871 872 879 888 889 920 924
#> [1485] 928 929 930 936 938 940 944 947 967 969 979 983 985 994
#> [1499] 998 1008 1018 1019 1022 1023 1038 1043 1057 1060 1062 1063 1066 1069
#> [1513] 1071 1073 1074 1076 1097 1108 1113 1115 1118 1135 1144 1146 1160 1166
#> [1527] 1169 1171 1183 1184 1186 1191 1197 1198 1201 1202 1203 1215 1220 1238
#> [1541] 1243 1250 1251 1253 1257 1271 1276 1277 1281 1283 1294 1298 1301 1306
#> [1555] 1307 1324 1327 1328 1332 1333 1334 1346 1348 1351 1354 1357 1359 1360
#> [1569] 1365 1370 1376 1378 1384 1387 1388 1394 1398 1403 1408 1410 1412 1414
#> [1583] 1418 1423 1430 1441 1445 1446 1447 1464 1465 1473 1476 1488 1497 1507
#> [1597] 1512 1516 1525 1540 1554 1558 1561 1569 1570 1578 1582 1587 1591 1601
#> [1611] 1607 1626 1631 1635 1636 1649 1660 1662 1668 1672 1674 1676 1677 1678
#> [1625] 1681 1685 1690 1691 1701 1706 1708 1718 1721 1727 1744 1745 1746 1750
#> [1639] 1753 1756 1761 1763 1764 1782 1785 1795 1796 1813 1819 1830 1839 1847
#> [1653] 1864 1865 1869 1870 1879 1883 1894 1895 1904 1913 1914 1918 1926 1931
#> [1667] 1933 1936 1943 1947 1948 1956 1957 1962 1963 1964 1967 1968 1978 1988
#> [1681] 1990 2008 2009 2012 2025 2033 2041 2044 2046 2047 2048 2062 2070 2072
#> [1695] 2074 2080 2087 2099 2104 2106 2110 2118 2127 2129 2141 2145 2146 2149
#> [1709] 2156 2157 2159 2170 2175 2180 2183 2185 2187 2188 2191 2194 2198 2204
#> [1723] 2209 2211 2212 2223 2224 2228 2235 2243 2244 2247 2253 2257 2259 2261
#> [1737] 2263 2268 2277 2295 2297 2307 2311 2315 2324 2330 2340 2343 2346 2356
#> [1751] 2360 2361 2393 2395 2396 2397 2412 2422 2424 2428 2437 2438 2449 2461
#> [1765] 2468 2469 2473 2481 2485 2487 2490 2500 2502 2507 2516 2524 2532 2538
#> [1779] 2558 2564 2568 2570 2575 2603 2624 2625 2628 2638 2640 2643 2644 2652
#> [1793] 2653 2654 2674 2680 2699 2702 2703 2707 2710 2716 2717 2721 2729 2732
#> [1807] 2739 2744 2760 2765 2771 2773 2777 2793 2799 2806 2813 2819 2820 2828
#> [1821] 2832 2833 2834 2838 2853 2870 2905 2906 2917 2919 2925 2932 2934 2936
#> [1835] 2941 2944 2951 2952 2960 2972 2977 2986 2990 2996 3002 3004 3009 3012
#> [1849] 3015 3018 3019 3023 3029 3031 3035 3044 3052 3059 3065 3071 3072 3076
#> [1863] 3077 3079 3085 3099 3118 3123 3126 3128 3132 3135 3137 3149 3177 3201
#> [1877] 3202 3204 3223 3230 3232 3241 3245 3249 3250 3251 3259 3271 3272 3276
#> [1891] 3286 3287 3290 3295 3299 3301 3302 3320 3322 3326 3333 3340 3359 3364
#> [1905] 3382 3389 3394 3400 3402 3413 3414 3423 3431 3447 3453 3467 3471 3479
#> [1919] 3496 3500 3502 3504 3509 3530 3531 1 4 5 7 8 9 10
#> [1933] 14 15 16 17 20 22 24 26 27 30 32 36 37 41
#> [1947] 42 43 50 55 57 58 61 62 63 64 65 67 69 72
#> [1961] 73 75 76 78 81 84 85 86 88 89 90 93 95 96
#> [1975] 97 98 105 106 107 108 110 111 113 114 119 121 125 126
#> [1989] 127 129 133 135 136 138 141 142 143 144 145 146 148 149
#> [2003] 152 153 155 158 159 165 167 170 173 176 177 178 183 185
#> [2017] 186 188 190 195 196 197 199 204 206 207 209 212 214 216
#> [2031] 218 221 222 224 227 228 229 230 232 234 235 237 240 241
#> [2045] 244 245 250 251 252 254 261 262 263 269 273 274 275 276
#> [2059] 279 280 285 286 290 291 292 293 299 300 302 306 307 309
#> [2073] 310 312 318 319 320 321 323 324 326 327 328 333 334 335
#> [2087] 337 339 344 346 354 356 357 359 360 361 365 366 368 370
#> [2101] 371 373 374 376 379 395 397 398 402 405 406 409 412 415
#> [2115] 418 423 427 431 434 435 437 441 443 444 445 448 449 451
#> [2129] 452 454 455 458 459 462 463 465 466 471 476 480 481 483
#> [2143] 486 491 495 496 502 503 504 505 507 508 513 518 519 520
#> [2157] 521 523 524 525 527 528 529 530 531 533 534 535 536 537
#> [2171] 538 539 540 542 545 546 547 552 554 555 557 558 560 561
#> [2185] 565 568 570 571 573 574 575 579 580 583 584 585 586 589
#> [2199] 592 593 595 597 599 601 605 608 609 613 614 616 618 622
#> [2213] 624 625 631 632 638 639 640 643 644 646 648 649 650 653
#> [2227] 655 656 658 661 664 665 667 669 671 677 681 683 686 687
#> [2241] 690 691 695 697 699 702 703 704 705 708 709 712 713 714
#> [2255] 719 720 722 726 735 736 741 743 751 753 754 756 757 759
#> [2269] 762 763 765 770 772 776 778 781 782 783 785 786 787 788
#> [2283] 789 792 794 795 803 804 808 809 810 812 814 815 819 820
#> [2297] 821 823 829 834 835 837 838 840 845 846 851 852 856 857
#> [2311] 859 860 862 864 874 876 881 883 884 885 891 893 894 896
#> [2325] 897 899 903 905 907 908 909 912 913 914 915 918 919 921
#> [2339] 925 926 932 934 935 937 942 945 948 950 953 959 960 962
#> [2353] 964 968 971 974 975 976 977 978 980 982 984 986 989 990
#> [2367] 991 992 996 999 1000 1002 1003 1004 1006 1010 1012 1013 1015 1016
#> [2381] 1021 1025 1026 1030 1031 1033 1034 1040 1042 1044 1045 1047 1048 1049
#> [2395] 1050 1051 1052 1053 1054 1056 1059 1065 1070 1072 1078 1083 1084 1085
#> [2409] 1086 1088 1092 1094 1095 1096 1098 1099 1102 1107 1109 1110 1111 1112
#> [2423] 1114 1119 1120 1122 1123 1124 1125 1128 1131 1132 1133 1134 1137 1138
#> [2437] 1141 1143 1147 1148 1149 1150 1151 1153 1154 1155 1156 1157 1158 1163
#> [2451] 1165 1167 1168 1172 1173 1175 1177 1182 1185 1189 1190 1192 1193 1195
#> [2465] 1200 1204 1207 1208 1213 1218 1221 1222 1224 1225 1228 1229 1230 1233
#> [2479] 1234 1236 1239 1241 1245 1248 1249 1252 1256 1258 1260 1261 1262 1263
#> [2493] 1268 1269 1272 1275 1278 1279 1280 1285 1288 1289 1290 1293 1295 1296
#> [2507] 1297 1299 1302 1303 1308 1311 1314 1316 1317 1318 1319 1320 1323 1331
#> [2521] 1337 1338 1339 1340 1341 1343 1344 1345 1349 1350 1352 1356 1358 1361
#> [2535] 1362 1364 1368 1369 1372 1373 1374 1375 1379 1380 1382 1383 1385 1386
#> [2549] 1390 1391 1392 1393 1396 1397 1400 1402 1405 1406 1407 1409 1411 1413
#> [2563] 1415 1420 1425 1426 1427 1429 1434 1435 1436 1437 1440 1443 1444 1448
#> [2577] 1449 1450 1451 1454 1457 1458 1459 1463 1466 1468 1469 1470 1472 1474
#> [2591] 1475 1478 1485 1489 1490 1491 1492 1493 1494 1496 1498 1499 1500 1501
#> [2605] 1502 1503 1504 1505 1506 1508 1509 1517 1518 1522 1526 1527 1528 1529
#> [2619] 1533 1534 1536 1538 1543 1544 1545 1547 1548 1550 1551 1553 1557 1563
#> [2633] 1564 1565 1566 1567 1568 1572 1576 1577 1579 1580 1581 1583 1586 1588
#> [2647] 1589 1590 1593 1594 1600 1602 1603 1604 1606 1608 1609 1612 1614 1617
#> [2661] 1618 1619 1620 1621 1622 1623 1624 1625 1629 1630 1632 1634 1637 1638
#> [2675] 1642 1645 1646 1647 1648 1652 1653 1655 1657 1661 1663 1664 1665 1666
#> [2689] 1667 1669 1670 1671 1673 1675 1679 1683 1684 1687 1689 1692 1693 1695
#> [2703] 1697 1700 1703 1704 1705 1707 1709 1711 1713 1716 1719 1720 1722 1723
#> [2717] 1724 1728 1729 1731 1735 1736 1739 1741 1747 1748 1749 1752 1754 1759
#> [2731] 1766 1767 1769 1770 1771 1772 1774 1777 1778 1780 1781 1783 1784 1786
#> [2745] 1787 1788 1789 1791 1792 1793 1794 1797 1799 1801 1802 1805 1806 1809
#> [2759] 1810 1811 1812 1814 1815 1818 1825 1827 1828 1829 1831 1833 1836 1837
#> [2773] 1838 1842 1845 1848 1849 1850 1851 1853 1854 1855 1856 1857 1859 1863
#> [2787] 1866 1867 1868 1871 1872 1873 1874 1878 1880 1881 1882 1884 1888 1890
#> [2801] 1891 1892 1896 1898 1899 1900 1902 1903 1906 1908 1916 1919 1921 1930
#> [2815] 1934 1935 1937 1938 1939 1940 1945 1950 1952 1953 1958 1960 1961 1969
#> [2829] 1970 1974 1977 1979 1980 1982 1983 1986 1989 1991 1992 1993 1994 1996
#> [2843] 1997 1999 2000 2002 2003 2004 2006 2013 2016 2017 2019 2020 2022 2024
#> [2857] 2026 2027 2028 2029 2034 2039 2049 2051 2052 2053 2055 2057 2063 2064
#> [2871] 2066 2068 2073 2076 2077 2078 2079 2083 2084 2088 2089 2090 2094 2095
#> [2885] 2097 2100 2101 2102 2103 2105 2108 2112 2114 2117 2121 2123 2124 2125
#> [2899] 2128 2130 2134 2135 2136 2140 2142 2147 2153 2160 2161 2164 2168 2169
#> [2913] 2173 2174 2178 2179 2181 2182 2186 2189 2190 2192 2197 2199 2200 2202
#> [2927] 2208 2213 2214 2216 2217 2218 2219 2222 2225 2230 2233 2236 2237 2238
#> [2941] 2239 2240 2242 2246 2251 2252 2254 2258 2262 2265 2266 2270 2272 2273
#> [2955] 2274 2275 2279 2280 2282 2284 2286 2287 2288 2290 2291 2292 2293 2298
#> [2969] 2299 2300 2302 2305 2309 2312 2314 2316 2319 2320 2321 2328 2329 2331
#> [2983] 2332 2333 2335 2337 2338 2341 2342 2344 2350 2351 2352 2353 2355 2357
#> [2997] 2358 2359 2362 2364 2367 2369 2370 2371 2372 2374 2376 2378 2381 2382
#> [3011] 2383 2384 2386 2389 2390 2391 2392 2394 2398 2401 2403 2405 2406 2410
#> [3025] 2411 2414 2417 2419 2421 2423 2425 2426 2427 2429 2431 2432 2433 2440
#> [3039] 2441 2444 2446 2447 2453 2454 2455 2456 2458 2460 2467 2470 2471 2472
#> [3053] 2474 2475 2476 2478 2479 2480 2486 2488 2489 2492 2493 2494 2497 2498
#> [3067] 2499 2503 2508 2509 2510 2512 2513 2514 2517 2520 2522 2528 2530 2531
#> [3081] 2533 2535 2536 2537 2541 2542 2543 2544 2546 2547 2548 2549 2550 2553
#> [3095] 2554 2559 2560 2561 2562 2566 2567 2573 2577 2579 2581 2583 2584 2585
#> [3109] 2587 2588 2590 2591 2592 2593 2594 2595 2597 2599 2601 2602 2605 2606
#> [3123] 2607 2615 2616 2617 2618 2622 2626 2627 2629 2631 2632 2634 2635 2639
#> [3137] 2646 2647 2648 2651 2655 2657 2659 2660 2661 2663 2664 2668 2670 2671
#> [3151] 2673 2675 2677 2678 2679 2681 2683 2685 2687 2690 2692 2693 2694 2695
#> [3165] 2696 2697 2701 2705 2706 2708 2713 2714 2715 2718 2722 2724 2725 2726
#> [3179] 2727 2728 2730 2733 2735 2737 2740 2741 2742 2743 2746 2749 2750 2751
#> [3193] 2752 2759 2761 2762 2763 2767 2768 2769 2774 2775 2778 2779 2791 2792
#> [3207] 2802 2803 2805 2807 2808 2809 2811 2814 2817 2818 2823 2826 2830 2836
#> [3221] 2837 2841 2842 2843 2844 2845 2846 2849 2854 2856 2857 2861 2864 2865
#> [3235] 2867 2871 2872 2876 2879 2882 2883 2884 2885 2886 2887 2888 2889 2890
#> [3249] 2891 2892 2893 2894 2899 2900 2901 2903 2904 2907 2909 2910 2912 2913
#> [3263] 2915 2920 2921 2924 2927 2928 2929 2930 2931 2935 2937 2939 2947 2950
#> [3277] 2953 2955 2959 2962 2963 2964 2968 2969 2973 2976 2980 2984 2985 2989
#> [3291] 2991 2992 2995 2998 3001 3003 3005 3006 3008 3010 3011 3013 3016 3017
#> [3305] 3020 3021 3022 3024 3027 3032 3041 3042 3046 3050 3051 3060 3063 3064
#> [3319] 3067 3068 3070 3074 3075 3078 3082 3083 3086 3090 3091 3093 3094 3096
#> [3333] 3105 3109 3110 3112 3115 3116 3119 3120 3121 3122 3125 3127 3129 3130
#> [3347] 3138 3142 3144 3145 3147 3148 3153 3154 3156 3157 3158 3161 3163 3165
#> [3361] 3166 3167 3168 3169 3170 3171 3172 3173 3181 3182 3183 3185 3186 3187
#> [3375] 3189 3194 3195 3197 3199 3200 3208 3209 3212 3213 3215 3216 3217 3218
#> [3389] 3219 3220 3222 3228 3233 3236 3240 3242 3243 3246 3256 3257 3258 3260
#> [3403] 3261 3262 3264 3265 3267 3270 3273 3274 3279 3281 3283 3289 3291 3293
#> [3417] 3296 3298 3303 3307 3308 3312 3313 3316 3317 3318 3321 3324 3325 3327
#> [3431] 3329 3330 3331 3332 3334 3335 3336 3338 3343 3344 3345 3346 3347 3349
#> [3445] 3350 3351 3352 3353 3354 3356 3357 3360 3363 3365 3367 3369 3370 3371
#> [3459] 3375 3376 3377 3378 3379 3380 3384 3390 3392 3393 3395 3396 3398 3401
#> [3473] 3405 3407 3408 3411 3412 3415 3416 3419 3420 3421 3425 3426 3427 3428
#> [3487] 3429 3432 3434 3435 3438 3439 3440 3441 3442 3443 3445 3446 3449 3450
#> [3501] 3456 3457 3461 3464 3472 3474 3475 3476 3481 3483 3484 3485 3486 3487
#> [3515] 3488 3493 3494 3495 3499 3503 3506 3512 3514 3517 3518 3519 3520 3521
#> [3529] 3522 3523 3524 3525 3526 3532 3535 3536 3537 3538 3539 3540 3541
# output-nya adalah indeks/urutan baris
# trending_channel pada baris 2162 itu adalah channel dengan frekuensi yang tertinggiLakukan subsetting dan ambil 10 data teratas. Simpan pada dataframe
top10_channel.
# urutkan dengan fungsi order()
trending_channel <- trending_channel[order(trending_channel$Freq, decreasing = TRUE),]
# top 10 channel dengan video trending terbanyak
top10_channel <- head(trending_channel, 10)
top10_channel1️⃣ Step 1: visualisasikan bar plot dengan
geom_col()
# kanvas utama
# sumbu x menunjukkan nama channel
# sumbu y menunjukkan frekuensi
# pembuatan kanvas
ggplot(data = top10_channel, mapping = aes(x =Var1, y = Freq)) +
geom_col()2️⃣ **Step 2*: pada step 1, nama channel tidak terbaca. Switch kolom
sumbu x dan y pada parameter aes()
# kanvas utama
# sumbu x menunjukkan frekuensi
# sumbu y menunjukkan nama channel
ggplot(data = top10_channel, mapping = aes(y = Var1, x = Freq)) +
geom_col()
3️⃣ Step 3: mengurutkan bar berdasarkan frekuensi
Mengurutkan bar berdasarkan frekuensi dapat kita lakukan dengan
fungsi reorder() untuk sumbu y (kategorik). Cara
menggunakan:
reorder(kolom_diurutkan, berdasarkan_kolom):
mengurutkan dari besar ke kecil.reorder(kolom_diurutkan, -berdasarkan_kolom):
mengurutkan dari kecil ke besar.# mengurutkan plot sebelumnya dari frekuensi tertinggi ke terendah
ggplot(data = top10_channel, mapping = aes(y = reorder(Var1, Freq), x = Freq)) +
geom_col()4️⃣ Step 4: mengubah warna bar plot dengan
menambahkan fungsi scale_fill_gradient()
scale_fill_gradient() adalah sebuah fungsi untuk
meberikan gradasi warna pada setiap bar dalam geom_col().
Parameter pada fungsi ini: + low = parameter untuk warna
yang paling bawah. + high = parameter untuk warna yang
paling atas.
# memberikan gradasi warna pada setiap bar
ggplot(data = top10_channel, mapping = aes(y = reorder(Var1, Freq), x = Freq)) +
geom_col(aes(fill = Freq)) +
scale_fill_gradient(high = "black", low = "red")5️⃣ Step 5 menambahkan keterangan nilai frekuensi
pada bar plot dengan geom_text()
ggplot(data = top10_channel, mapping = aes(y = reorder(Var1, Freq), x = Freq)) +
geom_col(aes(fill = Freq)) +
scale_fill_gradient(high = "black", low = "red") +
geom_text(aes(label = Freq), nudge_x = -5, color = "white")+
labs(title = "Top 10 Channels with Most Trending Videos",
y = "Channel Name",
x = "Number of Trending Videos")💡 Insight:
Summary Day 3
Visualization: Explanatory
ggplot2.ggplot(data = ..., mapping = aes(x = ..., y = ...)) + geom_... + ....
ggplot(): mendefinisikan kanvas untuk membuat
visualisasi.
data: dataframe yang akan dibuat visualisasinya.mapping = aes(x = ..., y = ...): mendefinisikan sumbu x
dan y.+: untuk menambahkan layer di atas layer yang sudah
ada.geom_...: menambahkan komponen visualisasi, misalnya:
geom_boxplot(): membuat box plot.geom_point(): membuat scatter plot.Parameter ggplot2
fill dan
color
color: memberikan warna pada garis tepi (sisi).fill: memberi warna pada bagian dalam plot.aes() vs. Luar aes() pada
geom_()
aes(): memberikan warna yang seragam (tidak
berdasarkan data).aes(): memberikan warna yang berbeda
(berdasarkan data/kolom).aes() pada
ggplot() vs. pada geom_*()
ggplot(): nilai parameter akan berpengaruh pada
layer di atasnya.geom_*(): nilai parameter hanya akan berpengaruh
pada geom_*().Common geom_*
geom_boxplot(): box plot.geom_point(): scatter plot.geom_jitter(): scatter plot dengan efek geser random ke
kanan kiri agar tidak tumpang tindih.geom_col(): bar plot.geom_text(): memberi label.END OF DAY 3
START OF DAY 4
Multivariate plot berguna ketika kita ingin membandingkan suatu nilai dari beberapa variabel secara bersamaan.
❓ Kita ingin mengetahui banyaknya video trending yang di-publish
berdasarkan kategorinya (category_id) dan waktu publish-nya
(publish_when). Di bawah ini adalah ilustrasi multivariate
plot.
Numerik: banyaknya video trending. Kategori1: kategori video. Kategori2: waktu publish.
Kolom yang dipakai: channel_title,
category_id, publish_when.
# melakukan aggregasi data
# ~ (tilde) dibaca "dikelompokkan berdasarkan apa"
vids_agg <- aggregate(
channel_title ~ category_id + publish_when, # formula
data = vids_unik,
FUN = length
)
# memperbaiki nama kolom
names(vids_agg) <- c("category_id", "publish_when", "vid_count")
head(vids_agg)Multivariate plot menggunakan geom_col() dapat dibuat
dengan mengatur position:
position = "stack" = untuk menampilkan nilai asli dan
proporsi (default).position = "dodge" = menampilkan nilai asli.position = "fill" = menampilkan proporsi.# contoh position = "dodge"
ggplot(data = vids_agg, mapping = aes(x = vid_count, y = reorder(category_id, vid_count), fill = publish_when)) +
geom_col(position = "dodge")+
labs(title = "YouTube Trending Video Ranks",
x = "Video Count",
y = "Category",
fill = "Publish Time")
*
position = "dodge": menampilkan nilai asli. *
Insight yang bisa diambil: - publish_when
yang paling banyak di setiap kategori video. - Kita bisa melihat di
kategori mana, publish_when tertentu memiliki frekuensi
tertinggi. * Insight pada plot: - Jam publish date pada
waktu 4pm to 12am paling trend video sport - Jam publish date pada waktu
8am to 3pm paling trend video Gaminng, kemudian Entertainment - Jam
publish date pada waktu 12am to 7am paling trend video Music.
# contoh position = "stack"
ggplot(data = vids_agg, mapping = aes(x = vid_count, y = reorder(category_id, vid_count), fill = publish_when)) +
geom_col(position = "stack")
-
position = "stack": untuk menampilkan nilai asli dan
proporsi (default). - Insight yang bisa diambil: -
Proporsi masing-masing kategori publish_when terhadap
keseluruhan banyak video di suatu kategori. - Insight pada
plot: - Di mayoritas kategori video, kotak biru paling
mendominasi. Video trending paling banyak di jam 8am - 3pm.
# contoh position = "fill"
ggplot(data = vids_agg, mapping = aes(x = vid_count, y = reorder(category_id, vid_count), fill = publish_when)) +
geom_col(position = "fill")
-
position = "fill": menampilkan proporsi (persen) -
Insight pada plot: - Nonprogit & Acitivist (100% di
4 pm to 12 am). - Pets and Animals: ~ 80% biru, ~15% untuk warna hijau,
~5% untuk warna pink.
❓ Visualisasikan tren rata-rata views tiap
publish_hour untuk 3 kategori dengan jumlah video terbanyak
(“Gaming”, “Entertainment”, “Music”)!
Memfilter data dari 3 kategori yang diinginkan.
# filtering
# dataframe[kondisi, ]
vids_gem <- vids_unik[vids_unik$category_id %in% c("Gaming", "Entertainment", "Music") ,]
head(vids_gem)Mencari rata-rata views untuk tiap category_id dan tiap
publish_hour
# prepare data
# agregasi data -> aggregate(numerik ~ kategori1 + kategori2, data, FUN)
# numerik = views
# kategori1 = category_id
# kategori2 = publish_hour
vids_trend <- aggregate(
views ~ category_id+publish_hour , # kode Bu Niken
data = vids_gem,
FUN = mean # jawaban Pak Budi
)
vids_trendMembuat line plot dengan mendefinisikan
group = category_id pada fungsi aes() untuk
geom_line().
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views)) + # kanvas
geom_line(aes(group = category_id)) # garis yang terbuat untuk masing-masing kategoriMengganti parameter group menjadi color
pada fungsi aes().
# visualisasi geom_line dengan color
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views)) + # kanvas
geom_line(aes(color = category_id)) # garis yang terbuat untuk masing-masing kategori# jika color diletakkan pada aes() ggplot()
# coba untuk pindahkan color dari aes geom_line() ke aes ggplot()
library(scales)
# kanvas
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
# line plot
geom_line() +
# titik pada line plot
geom_point() +
# mengatur sumbu y agar dipisahkan koma dan memecah penomoran sumbu y setiap 1 juta
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
) # semua yang diawali dengan scale_* digunakan untuk mengatur aspek estetik dari *
# scale_y_continuous digunakan untuk mengatur lebih lanjut tentang sumbu y💡 Insight:
Faceting digunakan untuk memplotkan variabel di panel terpisah sehingga visual dapat terlihat lebih jelas.
# geom + faceting
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
geom_line() +
geom_point() +
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
) +
facet_wrap(facets = vars(category_id), nrow = 3)Parameter scales = "free_x".
# geom + faceting
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
geom_line() +
geom_point() +
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
) +
facet_wrap(facets = vars(category_id), nrow = 3, scales = "free_x") # beda sumbu x, sama yParameter scales = "free_y"
# geom + faceting
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
geom_line() +
geom_point() +
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
) +
facet_wrap(facets = vars(category_id), nrow = 3, scales = "free_y") # beda sumbu y, sama di xParameter scales = "free".
# geom + faceting
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
geom_line() +
geom_point() +
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
) +
facet_wrap(facets = vars(category_id), nrow = 3, scales = "free") # beda sumbu x & ytheme()ggplot2 juga dilengkapi dengan pilihan tema untuk
menghasilkan plot yang lebih estetik.
ggplot(data = vids_agg, mapping = aes(x=vid_count, y=reorder(category_id, vid_count))) +
geom_col(mapping = aes(fill=publish_when), position = "dodge") +
labs(title = "Rank YouTube Trending",
subtitle = "Across All Categories",
x = "Frequency",
y = "Category",
fill="Publish Time") +
theme_minimal()leafletKita dapat membuat interactive map dengan bantuan package
leaflet. Leaflet sendiri adalah open-source JavaScript
library untuk pembuatan interactive maps. Contoh sederhana:
# install package leaflet (hanya dijalankan sekali)
# comment kembali setelah menjalankan kode di bawah
# install.packages("leaflet")library(leaflet)
# make dummy data
set.seed(418)
loca <- data.frame(lat=runif(5, min = -6.24, max=-6.23), # latitude
lng=runif(5, min=106.835, max=106.85)) # longitude
# get icon
ico <- makeIcon(
iconUrl = "https://algorit.ma/wp-content/uploads/2023/04/Algoritma-Logo.png",
iconWidth=41/2,
iconHeight=41/2
)
# prepare pop-up
pops <- c(
"<h3>Algoritma Main HQ</h3><p>Visit us here!</p>", # h3 = Heading 3, p = paragraph
"<strong>Algoritma Business Campus</strong>", # strong = bold
"<h3>In-Construction</h3><p>New Secondary Campus</p>",
"<strong>Secondary Campus</strong>",
"<strong>The Basecamp (business-school)</strong>"
)
# check data
loca# create a leaflet map widget
map <- leaflet()
# add tiles (kerangka peta) from open street map
map <- addTiles(map = map)
# add markers
addMarkers(map = map, data = loca, icon = ico, popup = pops)map <- leaflet()
map <- addTiles(map = map)
addMarkers(map = map, data = loca, icon = ico, popup = pops)Berikut adalah referensi yang dapat mempermudah pemahaman kita
mengenai leaflet,
END OF DAY 4
Datetime & lubridate
Visualization
ggplot2
Documentation.ggplot2: Elegant
Graphics for Data Analysis by Hadley Wickham.ggplot2.ggplot2
Extensions: fitur-fitur tambahan yang bisa diintegrasikan dengan
ggplot2.By Algoritma
- juga bekerja untuk exclude baris?Ya, cara ini juga bekerja dengan cara yang sama saat kita ingin exclude baris. Misalkan, pada kode di bawah ini, kita meng-exclude baris 1 dan 3 serta mengambil semua kolom.
Informasi zona waktu ini tidak dituliskan ke dalam dataframe untuk
mencegah kolom diidentifikasi sebagai tipe character. Untuk mengetahui
dalam zona waktu apa suatu kolom waktu ditulis, kita bisa menggunakan
fungsi tz().
#> [1] "America/New_York"
mode(vids$category_id) hasil yang di-return
adalah numeric?Fungsi mode() pada base digunakan untuk mengetahui tipe
mode penyimpanan objek apapun pada bahasa pemrograman R. Dalam hal ini,
vids$category_id disimpan dengan mode numerik.
Adapun untuk memverifikasi tipe data dari sebuah kolom, kita dapat
menggunakan fungsi class().
Untuk melihat detail banyak observasi dari setiap kategori pada
kolom, kita dapat menggunakan fungsi summary().
Pendekatan ini sepertinya tidak terlalu efektif jika kita ingin mengambil data video kapan pertama kali trending. Hal ini dikarenakan pada saat mengurutkan berdasarkan kolom tertentu, pada saat kita akan melakukan subsetting, kita tidak tahu berapa baris terakhir dari data yang harus diambil.
fill?Ya, parameter fill dapat diisi oleh angka yang
merepresentasikan warna tertentu. Misalnya, pada gambar ini.
Akan tetapi, pemberian nama warna pada parameter sebaiknya menggunakan
dari nama warna tersebut atau kode hex yang menunjukkan identitas
warna.
ggplot2, sebagai
pengganti scale_fill_gradient() yang hanya terdiri dari 2
transisi warna, apakah ada fungsi yang memungkinkan kita untuk
menggunakan 3 gradasi warna (ada warna tengah)?Bisa menggunakan fungsi scale_fill_gradient2. Berikut
contoh penggunaannya.
ggplot(data = top10_channel, mapping = aes(y = reorder(Var1, Freq), x = Freq)) +
geom_col(aes(fill = Freq)) +
scale_fill_gradient2(high = "black", low = "grey", mid = "red", midpoint=54) +
geom_text(aes(label = Freq), nudge_x = -5, color = "white")+
labs(title = "Top 10 Channels with Most Trending Videos",
y = "Channel Name",
x = "Number of Trending Videos")Kita bisa mengatur menggunakan parameter breaks pada
fungsi scale_y_continuous. Masukkan
seq(angka_awal, angka_akhir, step).
# kanvas
ggplot(data = vids_trend, mapping = aes(x = publish_hour, y = views, color = category_id)) +
# line plot
geom_line() +
# titik pada line plot
geom_point() +
# mengatur sumbu y agar dipisahkan koma dan memecah penomoran sumbu y setiap 1 juta
scale_y_continuous(labels = label_comma(big.mark = ","), breaks = seq(0,10000000,1000000)) +
labs(
title = "Pergerakan Rata-Rata Views untuk 3 Kategori",
x = "Jam Publish Video",
y = "Rata-Rata Views",
subtitle = "Entertainment, Gaming, Music",
color = "Kategori Video"
)